ywaDceBw4zY3tq

C'est quoi les modes envisagés dans ce projet ?

Pour chaque token, le modèle produit une distribution de probabilité sur tout son vocabulaire, si tu sélectionne toujours le token suivant le plus probable l'algorithme est parfaitement déterministe, mais en réalité le token suivant est souvent échantillonné selon cette distribution pour donner une sensation d'interaction plus naturelle (les humains ne répondent pas toujours la même chose à la même question). Donc non, tu n'obtiens pas toujours la même réponse.

C'est une machine à prédire la syllabe suivante la plus probable donc oui, effectivement. Ca peut être très utile dans certaines circonstances, mais ça ne réfléchit pas au sens humain du terme.

Cette portée de détection est donnée pour quels capteurs, optronique, RF passif ... ?

Très probablement parce que c'est beaucoup moins cher, c'est l'éléphant dans la pièce de la discussion autour d'Ariane 6. Regarde les projets de la Space Development Agency pour comprendre l'échelle à laquelle les USA travaillent avec leur secteur du new space, si les kgs en orbite coûtaient aussi cher que dans les années 2000 ça représenterais un pourcentage insoutenable de leur budget de la défense.

Je met quiconque au défi d'obtenir les perfs d'un banal finetuning de YOLO utilisant 100 images annotées avec les technos d'avant 2014 sur une tâche de détection d'objets. Les performances n'ont objectivement rien à voir, ce n'est pas pour rien que Preligens est une boite qui a 8 ans et pas 20: ça fait longtemps qu'on a les images, mais proposer de la détection automatisée et avec une fiabilité suffisante pour être utile dans un contexte difficile c'est quelque chose qui a été rendu possible par la révolution deep learning.

Le problème de l'intégration de ces capacités de calcul COTS pour faire des architectures ouvertes est aussi profondément politique. Les industriels en place voient ça d'un très mauvais oeil, parce qu'il pensent (complètement à raison, c'est l'intention) que c'est des changement qui visent à les rendre interchangeables sur le logiciel. C'est aussi ça que signifie l'entrée d'Helsing sur le pod GE de l'EF: il devient possible (et souhaité) de faire entrer de nouveaux industriels, pour réduire les rentes.

https://breakingdefense.com/2024/06/rapid-raven-air-force-exercise-updates-electronic-warfare-threats-in-hours-not-months/ L'USAF s'exerce a minimiser le temps entre la collecte du ROEM et la mise a jour des systèmes de GE. Ils estiment être capable de faire parvenir une mise à jour en moins de 3 heures pour 50% des systèmes soutenus par le 350th Spectrum Warfare Wing. Ca c'est fait principalement en rationalisant les procédés de classification pour faciliter les échanges de données entre les systèmes. L'ordre de grandeur pour les itérations collecte du ROEM - ajustement des CCME - mise en effet de la mise à jour est 24h.

Si tu regarde le sol comme ça c'est un mode GMTI qu'il te faut non ?

Les Rubis sont probablement complètement rincés. Les SM ont des limites dures au niveau de la sécurité plongée et du cyclage de la coque qu'il n'est pas raisonnable de dépasser.

Sur un système d'arme américain à ma connaissance, pas un SYCOBS-like.

C'est une plateforme logicielle pour faire de la recherche en IA, ça commence a être bien défriché comme problème, pas de raison que ça prenne 1000 ans si c'est pas sur-spécifié a fond.

Le radar à synthèse d'ouverture ça fonctionne parce que les temps d'intégration sont très longs (plusieurs milliers d'impusion en cross-range) et que la "cible" (le clutter sol) est statique (ou presque, on peut faire du GMTI aussi). La distance au réflecteur est une fonction du déplacement de la plateforme, elle est à peu près quadratique, donc le signal reçu à une modulation "chirp" en azimuth, par conséquent on sait comment une cible ponctuelle disperse son énergie en range / cross range. En détection de cible dans un contexte aéroporté tu ne sais pas a priori comment se déplace la cible, donc tu ne peut pas construire les filtres adaptés que tu peut construire en imagerie radar. Obtenir les mêmes gains d'intégration est très loin d'être automatique.

curieux d'en savoir plus sur la puissance de calcul embarquée, vu que ce sont traditionnellement des choses qui changent lentement.

La formulation de l'article est hyperbolique: des vidéos de l'intérieur d'un cockpit de F35 on en a plein, les gopros ne bénéficient pas des corrections produites avec le mapping mentionné dans l'article et pourtant on voit très bien a travers. C'est important pour les applications de haute précision si tu veut désigner qqch au viseur de casque au sol, mais ce n'est pas comme s'il était impossible de voir a travers sans le casque.